ارزیابی ریسک مالی مبتنی بر رویکرد ارزش فرین و داده های پربسامد لحظه ای شاخص کل بورس اوراق بهادار تهران
محورهای موضوعی : دانش سرمایه‌گذاری
مهردخت مظفری
1
(دانشجوی دکتری مدیریت مالی دانشگاه آزاد اسلامی،واحد علوم وتحقیقات،دانشکده مدیریت و اقتصاد،تهران،ایران (نویسنده مسئول))
هاشم نیکومرام
2
(استاد و عضو هیئت علمی دانشگاه آزاد اسلامی ،واحد علوم و تحقیقات،دانشکده مدیریت و اقتصاد،تهران،ایران.)
کلید واژه: مدیریت ریسک, ارزش در معرض خطر, نظریه ارزش فرین, مدل E-GARCH, روش ماکزیمم بلوکها,
چکیده مقاله :
ارزش در معرض خطر یکی از مهمترین معیارهای شناخته شده بازارهای مالی در سنجش ریسک به حساب می آید. تاکنون روشهای مختلفی برای اندازه گیری این شاخص معرفی گردیده است. روش ارزش فرین یکی از روشهای نوین محاسبه ارزش در معرض خطر است که بر دنباله های توزیع تمرکز دارد و بجای درنظر گرفتن کل داده ها و بدون نیاز به در نظر گرفتن مفروضات محدود کننده ای مانند فرض نرمال بودن به محاسبه این شاخص می پردازد. در این پژوهش بازده لگاریتمی شاخص کل بورس اوراق بهادار تهران براساس اطلاعات دریافتی در مقاطع زمانی میان روز( بدلیل استفاده از داده های پربسامد ) طی سالهای 1392 تا 1395 جمع آوری و از رویکرد ماکزیمم بلوکها در اندازه گیری VaR استفاده گردید. با توجه به وجود خودهمبستگی و ناهمسانی واریانس سری زمانی داده ها، ابتدا با استفاده از مدل E-GARCH این مشکل مرتفع گردید. سپس شاخص VaR در سه وضعیت بلوک بندی براساس اطلاعات ساعتی، روزانه و ماهیانه محاسبه گردید. نتایج تحلیل داده ها در نرم افزار R نشان داد که استفاده از اطلاعات ماهیانه در محاسبه شاخص مزبور از دقت پیش بینی بالاتری برخوردار است.
Value at Risk is one of the most important criteria in financial markets for risk assessment. Various methods have been proposed for measuring this index. Extreme Value Theory is one of the new methods for calculating the value at risk that focuses on Distribution sequence of series, and instead of taking all data into account without considering the limiting assumptions such as the assumption of normalization. In this research, the logarithmic return of Tehran Stock Exchange index based on the data received during the time intervals of the day (due to the use of high frequency data) during the years 1392 to 1395 was summed up and the Block Maxima Approach was used in VaR measurement. Given the correlation between the variance and the time series of the data, the problem was first solved using the E-GARCH model. Then VaR index was calculated in three blocking conditions based on hourly, daily and monthly data. The results showed that the use of monthly data in calculating this index has a higher predictive accuracy.
* زمانی، شیوا، اسلامی بیدگلی، سعید و معین کاظمی، 1392، محاسبه ارزش در معرض ریسک شاخص بورس اوراق بهادار تهران با استفاده از نظریه ارزش فرین، فصلنامه بورس اوراق بهادار، سال ششم ، شماره 21، 152-136.
* سارنج، علیرضا و مرضیه نوراحمدی، 1396، رتبه بندی آماری مدلهای مختلف ارزش در معرض ریسک و ریزش مورد انتظار با استفاده از رویکرد مجموعه اطمینان مدل (MCS) برای صنعت بانکداری با تاکید بر رویکرد ارزش فرین شرطی، مهندسی مالی و مدیریت اوراق بهادار، دوره 8، شماره 30، 131-146.
* عبده تبریزی، حسین و میثم رادپور، 1388. اندازه گیری و مدیریت ریسک بازار: رویکرد ارزش در معرض ریسک.تهران: پیشبرد.
* کیانی، طاهره، فرید، داریوش و صادقی، حجت الله، (1393)، اندازه گیری ریسک با معیار ارزش در معرض ریسک از طریق مدل GARCH در صنعت سیمان، مدیریت مالی، انتشارات دانشگاه الزهرا، سال سوم، شماره دهم، صص 149-168.
* هال، جان، 1384، مبانی مهندسی مالی و مدیریت ریسک، ترجمه سجاد سیاح و علی صالح، تهران، گروه رایانه تدبیرپرداز.
* Black, F., Litterman, R.B., 1992. Global portfolio optimization. Financial Analysts Journal 48, 28–43.
* Chan, N. H., S. Deng, L. Peng, and Z. Xia (2007). Interval estimation of Value-at-Risk based on GARCH models with heavy–tailed innovations. Journal of Econometrics 137,556–576.
* Fernandez, Viviana,2003, Extreme Value Theory: Value at Risk and Returns Dependence Around the World. Http://www.dii unhile.cl/-ceges/publicaciones/
* French K. R., Schwert G. W., and Staumbaugh R. F., (1987). "Expected Stock Returns and Volatility", Journal of Financial Economics, Vol. 19,pp. 3-29.
* Fisher, R., Tippet, L. (1928) ‘Limiting forms of the frequency distribution of the largest or smallest member of a sample’, Proceedings of the Cambridge Philosophical Society, pp. 180-190.
* Gilli,Manfred and Evis Kellezi,2006.An Application of Extreme Value Theory for Measuring Financial Risk.Computational Economics,vol 27,issue 2,207-228.
* Huiyu Huang and Tae-Hwy Lee,(2013), Forecasting Value-at-Risk Using High-Frequency Information, Econometrics 2013, 01, 127-140; doi:10.3390/econometrics1010127.
* Karmakar, M. & Shukla G. K. (2015). Managing extreme risk in some major stock markets: An extreme value approach. International Review of Economics and Finance,35, 1-25.
* Liu, Yifang,2007.Measuring Financial Risk and External Dependence between Financial Markets in Taiwan. Economic theses. College of Social Science, National Chengchi University.Taipei,Taiwan.
* Marimoutou, V. & Raggad, B. & Trabelsi, A. (2009). “Extreme Value Theory and Value at Risk: Application to Oil Market”. Energy Economics , 519-530.
* Madhusudan Karmakar, Samit Paul.(2015), Intraday Value-at-Risk and Expected Shortfall using high frequency data inInternational stock markets: A conditional EVT approach, International Review of Financial Analysis, FINANA 917.
* Marco Bee, Debbie J. Dupuis, Luca Trapin,(2016), Realizing the extremes: Estimation of tail-risk measures from a highfrequency perspective, Journal of Empirical Finance, EMPFIN 863.
* Nelson, D.B. (1991). Conditional heteroscadasticity in asset returns: a new approach,Econometrica, 59(2), 347-70.
_||_